我有一个数据集，每秒收到多个值 - 最多 100 个 DFS（不多，但不总是 100）。挑战在于日期字段没有比秒更精细地捕获时间，因此多行具有相同的 hh:mm:ss 时间戳。这些都很好，但我在整个集合中也有几秒钟的缺失，即根本没有显示。
因此，我的 2 个初始列可能如下所示，其中我缺少 54 秒步骤：
2020-08-24 03:36:53, 5
2020-08-24 03:36:53, 8
2020-08-24 03:36:53, 6
2020-08-24 03:36:55, 8
由于合法日期“重复”以及我需要的信息，我不想聚合，但我确实需要创建丢失的秒数，插入它们并填充（NaN等），以便我可以适当地管理它们与其他数据集对齐。
我似乎可以做到这一点的唯一方法是使用嵌套的 if 循环，它查看前一个时间戳，如果它与当前单元格相同 ( pt == ct) 则不执行任何操作，如果少 1 ( pt = (ct-1)) 则不执行任何操作，但如果比当前单元格大 2 或更多，则插入缺失的 ( pt <= (ct-2))。这感觉有点麻烦（虽然可行）。我是否缺少一种更简单的方法来做到这一点？
我在这里以及 pandas.pydata.org 上的各种函数中检查了很多“填充缺失日期”线程，但重新索引和最常见的日期填充似乎都依赖于没有重复的日期。任何建议都会很棒。